CN100470453C - 一种人机指令输入设备中运动信息的映射方法 - Google Patents
一种人机指令输入设备中运动信息的映射方法 Download PDFInfo
- Publication number
- CN100470453C CN100470453C CNB2007100005734A CN200710000573A CN100470453C CN 100470453 C CN100470453 C CN 100470453C CN B2007100005734 A CNB2007100005734 A CN B2007100005734A CN 200710000573 A CN200710000573 A CN 200710000573A CN 100470453 C CN100470453 C CN 100470453C
- Authority
- CN
- China
- Prior art keywords
- movable information
- wrist
- motion
- operator
- rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
该发明提供了一种人机指令输入设备以及一种应用在上述输入设备中,将腕部或颈部等肢体运动特性映射为人机输入指令的方法。本发明技术方案1提出的一种人机指令输入设备1,操作者可手持该输入设备1,通过操作者腕部的俯仰、侧倾、摆动进行操作,该输入设备1包括有感知操作者腕部的运动信息的传感器模块5。技术方案1还提出了一种应用在上述输入设备1,将腕部运动特性映射为输出指令的方法,并实现以下操作:从传感器模块接收操作者腕部的预定义操作的运动信息,根据运动信息特征生成模式识别分类器,通过该模式识别分类器将正式操作时的运动信息映射为相对应的指令,并执行该指令,该方法可固化并体现在存储媒介中,并通过运算处理器运行。
Description
技术领域
本发明所涉及的是一种基于腕部或颈部等肢体运动特性的人机输入设备、将腕部或颈部等肢体运动特性映射为人机输入指令的方法。
背景技术
传统的人机输入设备,特别是,指令控制对象为运动物体如:遥操作、视频游戏等,通常会采用模拟操作杆的方式。在进行操作时,操作者的腕部或颈部等肢体总是有跟随控制对象运动方向、姿态而运动的趋势。
在现有技术中,已经存在有通过传感器模块感知、测量操作者的肢体运动,进行人机指令输入的设备和方法。这些设备和方法应用惯性测量单元(IMU)测量肢体坐标系的惯性参数,其中惯性测量单元包含有角速度传感器和加速度传感器。加速度传感器测量肢体坐标系轴向加速度,角速度传感器测量肢体坐标系的欧拉角角速度,并且该角速度经过一次积分得到旋转运动后的欧拉角。但在操作过程中,肢体坐标系轴需要被固定下来,才能采集到有效的惯性参数。而在实际应用时,操作者不借助辅助机构很难使肢体坐标系轴保持固定,而且这些发明专利中涉及到轴向加速度和欧拉角角速度等运动信息的处理,其中轴向加速度和欧拉角角速度的采样及其积分运算和三阶方阵运算等增加了运算处理器负担,使响应时间滞后。
发明内容
本发明所涉及的是一种基于腕部或颈部等肢体运动特性的人机输入设备、将腕部或颈部等肢体运动特性映射为人机输入指令的方法。其中该设备依靠简单的硬件结构和少量操作者运动信息数据,即可实现可靠的人机指令输入。
本发明技术方案1(参考图1A和图1B)提出的一种人机指令输入设备1,操作者可手持该输入设备1,通过操作者腕部的俯仰、侧倾、摆动运动进行操作,该输入设备1包括有传感器模块5,该传感器模块5用于感知操作者的腕部运动信息,其特征在于,该传感器模块5可包括3个单轴角速度传感器6、7、8(MEMS陀螺传感器)。另外,传感器模块5中3个单轴角速度传感器6、7、8(MEMS陀螺传感器)的安装面OXY、OXZ和OYZ两两垂直,在空间中呈正交配置。另外,传感器模块5中一个角速度传感器的安装面与腕部的夹持或固定表面保持基本平行。
另外,在其它技术方案中,操作者除了可手持输入设备外,还可以穿戴该输入设备或将该输入设备植入操作者肢体内。
另外,在其它技术方案中,角速度传感器还可采用一个双轴角速度传感器与一个单轴角速度传感器的组合或一个3轴角速度传感器。
技术方案1还提出了一种应用在上述输入设备1中,将腕部运动特性映射为输出指令的方法(参考图2-图6),可实现以下操作:从传感器模块1接收操作者腕部的预定义操作的运动信息,根据运动信息特征生成模式识别分类器,通过该分类器将正式操作时的运动信息映射为相对应的指令,并执行该指令,该方法固化在并体现于存储媒介(未在图中表示),并通过运算处理器(未在图中表示)运行。该方法还包括:接收和分析各操作者的运动信息,确定对应各操作者的预定义操作的运动信息,所述运动信息根据腕部的俯仰2、侧倾3、摆动4,分为三个通道信息,其中每个通道信息主要由静态同步标志、运动方向、运动最大速率和静态保持时间四部分组成。另外,通道运动信息中运动最大速率可分类为正常速率和高速率,静态保持时间可分类为短延迟和长延迟。另外,运动最大速率映射为输出指令中受控对象的运动速率;静态保持时间映射为输出指令中受控对象的行程。另外,所述通道包括了单通道和多通道,单通道的运动信息映射为该通道的输出指令,多通道的运动信息的叠加映射为多通道输出指令。另外,单通道内的运动信息噪声以及多通道运动信息间的耦合噪声都可以通过分析运动信息特征进行滤除。
附图说明
图1A是技术方案1人机指令输入设备的操作示意图。
图1B是技术方案1传感器模块5的装配示意图。
图2是技术方案1腕部运动信息的层次关系示意图。
图3是技术方案1应用在输入设备1中将腕部运动信息映射为输出指令的方法的工作原理图。
图4是技术方案1应用在输入设备1中将腕部运动信息映射为输出指令的方法的工作流程图。
图5是单通道运动信息和多通道运动信息映射为输出指令的方法的映射关系图。
图6是多通道的运动信息的叠加映射为多通道输出指令的原理图。
具体实施方式
本发明技术方案1(参考图1A和图1B)提出的一种人机指令输入设备1,操作者可手持该输入设备1,通过操作者腕部的俯仰2、侧倾3、摆动4运动进行操作,该输入设备1包括有传感器模块5,该传感器模块5用于感知操作者的腕部运动信息,其特征在于,该传感器模块5包括有3个单轴角速度传感器6、7、8(MEMS陀螺传感器)。另外,传感器模块5中3个单轴角速度传感器6、7、8(MEMS陀螺传感器)的安装面OXY、OXZ和OYZ两两垂直,在空间中呈正交配置。另外,传感器模块5中一个角速度传感器的安装面与腕部的夹持或固定表面保持基本平行。
另外,在其它技术方案中,操作者除了可手持输入设备外,还可以穿戴该输入设备或将该输入设备植入操作者肢体内。
另外,在其它技术方案中,角速度传感器还可采用一个双轴角速度传感器与一个单轴角速度传感器的组合或一个3轴角速度传感器。
技术方案1还提出了一种应用在上述输入设备1中,将腕部运动特性映射为人机输入指令的方法(参考图2-图6),可实现以下操作:从传感器模块1接收操作者腕部的预定义操作的运动信息,根据运动信息特征生成模式识别分类器,通过该分类器将正式操作时的运动信息映射为相应的输出指令,并执行该指令。该方法固化在并体现于存储媒介(未在图中表示),并通过运算处理器(未在图中表示)运行。该方法还包括:所述运动信息根据腕部的俯仰2、侧倾3、摆动4,分为三个通道信息,其中每个通道信息主要由静态同步标志、运动方向、运动最大速率和静态保持时间四部分组成。另外,通道运动信息中运动最大速率可分类为正常速率和高速率,静态保持时间可分类为短延迟和长延迟。另外,运动最大速率映射为输出指令中受控对象的运动速率;静态保持时间映射为输出指令中受控对象的行程。另外,所述通道包括了单通道和多通道,单通道的运动信息映射为该通道的输出指令,多通道的运动信息的叠加映射为多通道输出指令。
技术方案1中(参考附图1A),操作者的腕部存在有俯仰2、侧倾3、摆动4三种运动,通过输入设备1测量其旋转欧拉角的角速率,可以分析得出其运动信息并提取出相对应的运动信息特征。输入设备1的外观和尺寸不仅限于附图1A所示。操作者的腕部进行俯、仰、左倾、右倾、左摆、右摆时不一定必须运动至操作者腕部的生理极限位。
技术方案1中(参考附图1B)的传感器模块5装配于输入设备1内部,传感器模块5采用了三个单轴角速度传感器6、7、8(MEMS陀螺传感器),用于测量俯仰2、侧倾3和摆动4运动时对应的俯仰轴9、侧倾轴11和摆动轴10的旋转欧拉角角速率。传感器6、7、8(MEMS陀螺传感器)的安装面OXY、OXZ和OYZ两两垂直,在空间中呈正交配置。其中安装面OXY、OXZ和OYZ之间不一定需要机械连接,也并不一定必须要按照附图1B的位置进行配置,角速度传感器6、7、8(MEMS陀螺传感器)的位置可以互换。传感器模块5中一个角速度传感器的安装面与腕部的夹持或固定表面保持基本平行,在手持操作时可以通过设计适当的输入设备1的人体工学设计外观,使一个角速度传感器的安装面近似与手心皮肤表面平行。
技术方案1还提出了一种应用在上述输入设备1中,将腕部运动特性映射为输出指令的方法(参考图2-图6)。技术方案1中如层次关系图所示(参考图2),运动信息根据腕部的俯仰2、侧倾3、摆动4分为三个通道,接受来自三个对应单轴角速度传感器的测量值。其中每个通道根据传感器测量值可以分析提取出运动信息,包括有:静态同步标志、运动方向、运动最大速率和静态保持时间。当传感器分别绕旋转轴9、10、11顺时针运动时,会输出大于基准的测量值;而当其逆时针运动时,会输出小于基准的测量值,从而可以得出运动方向的信息。当腕部处于静态(角速度近似为0)时,传感器会输出对应静态状态的基准,该基准不是一个确定值,而是一个具有上、下限的取值范围。另外,由于操作者的腕部具有如下运动特性:即腕部在完成一次俯(仰)、或左(右)倾、或左(右)摆时,为继续进行接下来的操作,腕部会朝反方向作回摆运动,从而完成一个运动周期。当从静态开始运动直到再次进入静态,运动过程中的最大角速率作为运动信息中的运动最大速率,由操作时的运动状态进入静态后,维持该静态状态的时间作为运动信息中的静态保持时间,当腕部反向回摆再次进入静态,此时采集到的运动最大速率和静态保持时间均不作为运动信息。为区分上述两种静态状态还提出了静态同步标志,静态同步标志初始为‘1’,由操作时的运动状态进入静态后,静态同步标志变为‘0’并且开始采集静态保持时间,而由反向回摆再次进入静态时,静态同步标志则变为‘1’。(参考图3)
采集接收到的运动最大速率和静态保持时间,可通过如下统计方法提取运动信息特征,并且该特征是模式识别分类器的分类基准。
方法一:
xi:运动最大速率(或静态保持时间)采样值;x:xi的平均值;
Std:标准偏差; Si:标准化的xi;
方法二:
xmax和xmin分别运动最大速率(或静态保持时间)采样值中的最大值和最小值rmid:xmax和xmin间的中间值
Si:标准化的运动最大速率(或静态保持时间)采样值
运动信息中的运动最大速率被分类为正常速率和高速率,静态保持时间被分类为短延迟和长延迟,这些操作在模式识别分类器中预定义为三种模式,分别是正常速率下的短延迟、正常速率下的长延迟和高速率下的长延迟。
技术方案1中该方法固化在并体现于存储媒介(未在图中表示),并通过运算处理器(未在图中表示)运行,如工作流程图所示(参考图4),初始校验获取对应各操作者的运动信息特征。在该过程中,操作者根据设备系统提示执行指定操作运动,首先手持输入设备1尽可能的保持静态一段时间,从而获得输入设备1的传感器模块中三个单轴角速度传感器6、7、8(MEMS陀螺传感器)各自的静态上限值和静态下限值,作为静态状态的判断基准。接下来的一段时间内,设备系统会提示操作者进行各种模式的俯仰2、侧倾3和摆动4操作,三个单轴角速度传感器6、7、8(MEMS陀螺传感器)分别接受对应测量轴9、10、11的运动信息,操作者根据模式提示进行相应的操作,从而采集到足够多的数据完成对应操作者个体的运动信息特征的提取,并将该特征作为模式识别分类器的分类基准。另外,这些特征可作为操作者的个人信息保存在存储媒介中,避免操作者再次使用输入设备1时重复进行初始校验。
正式操作过程中,操作者为实现期望的输出指令,执行对应运动模式的操作。操作者可以进行单通道指令的输入,即操作者每次操作只完成一个俯(仰)、或左(右)倾、或左(右)摆通道的运动周期,输出单通道指令;操作者也可以进行多通道指令的输入,即:操作者每次操作完成一个俯(仰)、或左(右)倾、或左(右)摆动通道的运动周期后,立刻继续完成其余两个通道未执行的运动。只要前后两通道的运动周期之间的时间间隔足够短(小于时间间隔的阈值),就可以将两个连续的单通道指令和多通道指令区分开,实现可靠的多通道指令输出(参考图6)。
在生成并执行输出指令的过程中,模式识别分类器可利用模式识别技术中常用的聚类、支持向量机等高效分类算法,将操作者的三种输入运动模式:正常速率下的短延迟、正常速率下的长延迟和高速率下的长延迟,映射为输出指令:连续或离散的数值。另外,对于输出指令的受控对象为运动物体的情况,可将该数值定义为受控对象的行程和受控对象的运动速率。其中,被分类为长延迟和短延迟的静态保持时间映射为输出指令中受控对象的行程,被分类为正常速率和高速率的运动最大速率映射为输出指令中受控对象的运动速率。其中,多通道中俯仰、侧倾、摆动的叠加映射为多通道输出指令中受控对象各运动姿态的速率(参考图5)。
技术方案1中单轴角速度传感器6、7、8(MEMS陀螺传感器)除了可以测量俯仰2、侧倾3和摆动4时的旋转欧拉角角速率,还会感知到平行于坐标轴的轴向运动,如沿Y轴的平移运动、沿X轴的平移运动、沿Z轴的垂直运动,以及由各操作者的操作特性引起的坐标系轴间的运动耦合,如耦合至轴10的俯仰2、侧倾4操作,耦合至轴9的侧倾4、摆动3操作,耦合至轴11的俯仰、摆动操作。通过分析这些运动信息的特征,并与前述三种模式的运动信息特征相比较,可以确定最大运动速率的下限值和静态保持时间的下限值,将小于下限值的传感器采样视为噪声进行滤除。另外,由上臂、下臂等肢体(除腕部外)运动姿态变化导致的运动信息变化和肢体抖动等导致的运动信息变化,也可以通过上述方法滤除。
最后,虽然这里以一个特定实施例的方式对本发明的思想进行了说明,技术人员可参考这里所公开的内容对本发明进行修正,但这些修正也将落在权利要求的主旨和保护范围内。
Claims (1)
1.一种用在人机指令输入设备中将腕部或颈部的肢体运动特征映射为人机输入指令的方法,包括:从传感器模块接收操作者的腕部或颈部肢体的预定义操作的运动信息,根据运动信息特征生成模式识别分类器,通过模式识别分类器将正式操作时的运动信息映射为相对应的指令,并执行该指令;该方法通过运算处理器运行;所述的人机指令输入设备可由操作者手持或穿戴或植入操作者肢体内,通过操作者的腕部或颈部肢体的俯仰、侧倾、摆动运动进行操作;该人机指令输入设备包括有传感器模块,该传感器模块用于感知操作者的腕部或颈部肢体的运动信息;该传感器模块是包括3个单轴角速度传感器或一个双轴角速度传感器与一个单轴角速度传感器的组合或一个3轴角速度传感器三种情形之一;其中传感器模块中3个单轴角速度传感器的安装面两两垂直或一个双轴角速度传感器的安装面与一个单轴角速度传感器的安装面垂直,在空间中呈正交配置,传感器模块中一个角速度传感器的安装面与腕部或颈部肢体的夹持或固定表面保持平行;所述运动信息根据腕部的俯仰、侧倾、摆动分为三个通道信息,其中每个通道信息主要由静态同步标志、运动方向、运动最大速率和静态保持时间四部分组成,其中运动最大速率被映射为输出指令中受控对象的速率;静态保持时间被映射为输出指令中受控对象的行程,所述通道信息包括了单通道的运动信息和多通道的运动信息,单通道的运动信息映射为该通道的输出指令,多通道的运动信息的叠加映射为多通道输出指令,单通道内的运动信息噪声以及多通道运动信息间的耦合噪声通过分析运动信息特征进行滤除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007100005734A CN100470453C (zh) | 2007-01-15 | 2007-01-15 | 一种人机指令输入设备中运动信息的映射方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2007100005734A CN100470453C (zh) | 2007-01-15 | 2007-01-15 | 一种人机指令输入设备中运动信息的映射方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1996208A CN1996208A (zh) | 2007-07-11 |
CN100470453C true CN100470453C (zh) | 2009-03-18 |
Family
ID=38251316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2007100005734A Expired - Fee Related CN100470453C (zh) | 2007-01-15 | 2007-01-15 | 一种人机指令输入设备中运动信息的映射方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100470453C (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101607138B (zh) * | 2008-06-17 | 2013-11-20 | 盛乐信息技术(上海)有限公司 | 基于有限自动机模型的动作识别方法 |
TWI457793B (zh) | 2008-08-08 | 2014-10-21 | Ind Tech Res Inst | 即時動作辨識方法及其慣性感測與軌跡重建裝置 |
CN101655743B (zh) * | 2008-08-18 | 2012-09-05 | 财团法人工业技术研究院 | 即时动作辨识方法及其惯性感测与轨迹重建装置 |
US9122772B2 (en) | 2009-05-18 | 2015-09-01 | Siemens Aktiengesellschaft | Method for analyzing message archives and corresponding computer program |
EP2433189B1 (de) * | 2009-05-18 | 2013-07-03 | Siemens Aktiengesellschaft | Verfahren zum analysieren von meldungsarchiven und korrespondierendes computerprogramm zur ableitung eines endlichen automaten |
US9030404B2 (en) | 2009-07-23 | 2015-05-12 | Qualcomm Incorporated | Method and apparatus for distributed user interfaces using wearable devices to control mobile and consumer electronic devices |
EP2698686B1 (en) | 2012-07-27 | 2018-10-10 | LG Electronics Inc. | Wrist-wearable terminal and control method thereof |
-
2007
- 2007-01-15 CN CNB2007100005734A patent/CN100470453C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN1996208A (zh) | 2007-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100470453C (zh) | 一种人机指令输入设备中运动信息的映射方法 | |
CN104238562B (zh) | 用于经由可穿戴传感器控制机器人装置的方法和设备 | |
US8010911B2 (en) | Command input method using motion recognition device | |
CN109044651B (zh) | 未知环境中基于自然手势指令的智能轮椅控制方法及系统 | |
CN104407694B (zh) | 一种结合人脸和手势控制的人机交互方法及装置 | |
CN100585329C (zh) | 基于指端标记的视频手指定位系统及其定位方法 | |
CN101976330B (zh) | 手势识别方法和系统 | |
CN106780608A (zh) | 位姿信息估计方法、装置和可移动设备 | |
CN103977539B (zh) | 颈椎康复保健辅助训练系统 | |
CN104331154B (zh) | 实现非接触式鼠标控制的人机交互方法和系统 | |
CN109955254A (zh) | 移动机器人控制系统及机器人末端位姿的遥操作控制方法 | |
WO2009063968A1 (ja) | 制御装置、ヘッドマウントディスプレイ装置、プログラム及び制御方法 | |
CN105426858A (zh) | 一种基于视觉和振动信息融合的地面类型辨识方法 | |
CN105787478A (zh) | 基于神经网络和灵敏度参数的人脸转向识别方法 | |
CN105739702A (zh) | 用于自然人机交互的多姿态指尖跟踪方法 | |
CN103112007A (zh) | 基于混合传感器的人机交互方法 | |
CN104731307A (zh) | 一种体感动作识别方法及人机交互装置 | |
CN101894252A (zh) | 基于3轴加速度传感器信号的步行运动分类方法 | |
CN104850773A (zh) | 用于智能移动终端的用户身份认证方法 | |
CN104573621A (zh) | 基于Chebyshev神经网络的动态手势学习和识别方法 | |
CN106293103A (zh) | 基于惯性传感器的四轴飞行器手势控制装置和控制方法 | |
KR101849350B1 (ko) | 근전도 센서와 관성센서를 사용한 제스처 인식 기반의 모바일 로봇 제어 시스템 및 방법 | |
CN107346207B (zh) | 一种基于隐马尔科夫模型的动态手势切分识别方法 | |
Zhao et al. | In vehicle diver postural monitoring using a depth camera kinect | |
JP6851038B2 (ja) | 打具の挙動の解析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090318 Termination date: 20120115 |